• 数据分析三剑客:

    Numpy, Pandas, Matplotlib

NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。

一、 使用np.array()创建

  • 一维数据创建

import numpy as np
arr_1 = np.array([1,2,3,4,5])
arr_1
  • 二维数组创建
np.array([[1,2.2,3],[4,5,6]])

注意:

  • numpy默认ndarray的所有元素的类型是相同的

  • 如果传进来的列表中包含不同的类型,则统一为同一类型,

  • 优先级:str>float>int

  • 使用matplotlib.pyplot获取一个numpy数组,数据来源于一张图片

import matplotlib.pyplot as plt
img_arr = plt.imread('./bobo.jpg')
img_arr
# 显示图片
plt.imshow(img_arr)
# 修改 操作该numpy数据,该操作会同步到图片中
img_arr = img_arr - 100 # 查看数组的 维度
img_arr.shape
(626, 413, 3)

使用np的routines函数创建

包含以下常见创建方法:

# 创建全是 1 的二位数组 5 行 6 列
np.ones(shape=(5,6),dtype=int)
# 全是 0 的
np.zeros(shape, dtype=None, order='C')
# 指定 全是 999 的二位数组 np.full(shape, fill_value, dtype=None, order='C')
np.full((5,5),fill_value=999) # np.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None) 等差数列
np.linspace(1,100,num=50) #
# np.arange([start, ]stop, [step, ]dtype=None)
np.arange(0,100,2) # 创建都是整数的 随机数
# np.random.randint(low, high=None, size=None, dtype='l')
np.random.seed(4) #固定随机性
np.random.randint(0,100,size=(5,6)) # np.random.randn(d0, d1, ..., dn) 标准正太分布
np.random.randn(4,5,6) # np.random.random(size=None) 生成0到1的随机数
np.random.random(size=(3,3))

二、ndarray的属性

  • 4个必记参数:

    • ndim:维度
    • shape:形状(各维度的长度)
    • size:总长度
    • dtype:元素类型
img_arr.size
# 775614 img_arr.dtype
# dtype('uint8') type(img_arr)
# numpy.ndarray img_arr.ndim
# 3

三、ndarray的基本操作

1. 索引

一维与列表完全一致 多维时同理

np.random.seed(1)
arr = np.random.randint(0,100,size=(5,5))
arr
# 根据索引修改数据
arr[1][2]

2. 切片

一维与列表完全一致 多维时同理

arr[0:2] #获取二维数组前两行

arr[:,0:2]  #逗号左边是  行  右边是  #获取二维数组前两行列

#获取二维数组前两行和前两列数据
arr[0:2,0:2] # 将数据反转,例如[1,2,3]---->[3,2,1] #将数组的行倒序
arr[::-1]
#列倒序
arr[:,::-1]
#全部倒序
arr[::-1,::-1] #将图片进行全倒置操作
plt.imshow(img_arr[:,::-1,:])
plt.imshow(img_arr[::-1,::-1,::-1])

3. 变形

使用arr.reshape()函数,注意参数是一个tuple!

  • 基本使用

    1.将一维数组变形成多维数组

# 变成二维数组
arr_1.reshape((-1,5))
# 2.将多维数组变形成一维数组
arr_1 = arr.reshape((25,)) # 图片倒置
plt.imshow(img_arr.reshape((-1,))[::-1].reshape((626,413,3)))

4. 级联

  • np.concatenate()

1.一维,二维,多维数组的级联,实际操作中级联多为二维数组

# 3 个二维数组连接起来 横向
np.concatenate((arr,arr,arr),axis=1)
# 将两个二维数组 连接 纵向
np.concatenate((arr,arr1),axis=0) # .合并两张照片
img_arr_3 = np.concatenate((img_arr,img_arr,img_arr),axis=1)
img_arr_9 = np.concatenate((img_arr_3,img_arr_3,img_arr_3),axis=0)
plt.imshow(img_arr_9)
  • np.hstack与np.vstack

# 横向合并
np.vstack((arr,arr))
# 纵向合并
np.hstack((arr,arr))
  • 级联需要注意的点:

    • 级联的参数是列表:一定要加中括号或小括号
    • 维度必须相同
    • 形状相符:在维度保持一致的前提下,如果进行横向(axis=1)级联,必须保证进行级联的数组行数保持一致。如果进行纵向(axis=0)级联,必须保证进行级联的数组列数保持一致。
    • 可通过axis参数改变级联的方向

5. 切分

  • 与级联类似,三个函数完成切分工作:

    • np.split(arr,行/列号,轴):参数2是一个列表类型
    • np.vsplit
    • np.hsplit
# 按0 轴向的 400 切割 取第 0 个
plt.imshow(np.split(img_arr,[400],axis=0)[0])\ # 根据 切片切割 行 切 60-400 列切 100-300 颜色不动
plt.imshow(img_arr[60:400,100:330,:])

6. 副本

  • 所有赋值运算不会为ndarray的任何元素创建副本。对赋值后的对象的操作也对原来的对象生效。

  • 可使用copy()函数创建副本

    a = arr.copy()
    a[2][2] = 666
    arr
    # 原 数组不动

四、ndarray的聚合操作

1. 求和np.sum

arr.sum(axis=1) # 求 1 横向轴向的和

2. 最大最小值:np.max/ np.min

3.平均值:np.mean()

arr.std(axis=0)
# array([23.80420131, 35.94440151, 26.96961253, 21.81192334, 31.18589425])

3. 其他聚合操作

Function Name    NaN-safe Version    Description
np.sum np.nansum Compute sum of elements
np.prod np.nanprod Compute product of elements
np.mean np.nanmean Compute mean of elements
np.std np.nanstd Compute standard deviation
np.var np.nanvar Compute variance
np.min np.nanmin Find minimum value
np.max np.nanmax Find maximum value
np.argmin np.nanargmin Find index of minimum value
np.argmax np.nanargmax Find index of maximum value
np.median np.nanmedian Compute median of elements
np.percentile np.nanpercentile Compute rank-based statistics of elements
np.any N/A Evaluate whether any elements are true
np.all N/A Evaluate whether all elements are true
np.power 幂运算

六、ndarray的排序

1. 快速排序

np.sort()与ndarray.sort()都可以,但有区别:

  • np.sort() 不改变输入
  • ndarray.sort() 本地处理,不占用空间,但改变输入
np.sort(arr,axis=0)
arr.sort(axis=0)

Numpy 模块的应用的更多相关文章

  1. Python:基本运算、基本函数(包括复数)、Math模块、NumPy模块

    基本运算 x**2 : x^2 若x是mat矩阵,那就表示x内每个元素求平方 inf:表示正无穷 逻辑运算符:and,or,not 字典的get方法 a.get(k,d) 1 1 get相当于一条if ...

  2. 【Python 数据分析】Numpy模块

    Numpy模块可以高效的处理数据,提供数组支持.很多模块都依赖他,比如:pandas.scipy.matplotlib 安装Numpy 首先到网站:https://www.lfd.uci.edu/~g ...

  3. python numpy模块

    目录 numpy模块 一维数组 二维数组(用的最多的) 获取多维数组的行和列 多维数组的索引 高级功能 多维数组的元素的替换 通过函数方法创建多维数组 矩阵的运算 点乘和转置(了解) 点乘必须 m*n ...

  4. Python及bs4、lxml、numpy模块包的安装

    http://blog.csdn.net/tiantiancsdn/article/details/51046490(转载) Python及bs4.lxml.numpy模块包的安装 Python 的安 ...

  5. numpy模块(对矩阵的处理,ndarray对象)

    6.12自我总结 一.numpy模块 import numpy as np约定俗称要把他变成np 1.模块官方文档地址 https://docs.scipy.org/doc/numpy/referen ...

  6. Python3:numpy模块中的argsort()函数

    Python3:numpy模块中的argsort()函数   argsort函数是Numpy模块中的函数: >>> import numpy >>> help(nu ...

  7. 3 numpy模块

    Numpy     什么是Numpy:Numeric Python         Numpy模块是Python的一种开源的数值计算扩展.             1 一个强大的N维数组对象Array ...

  8. Day 19 numpy 模块

    numpy 模块(多维数组) import numpy as np arr=np.array([1,2,3,4],[5,6,7,8]) print(arr) #[[1 2 3 4] #[5 6 7 8 ...

  9. Pathon中numpy模块

    目录 numpy模块 切割矩阵 矩阵元素替换 矩阵的合并 通过函数创建矩阵 fromstring/fromfunctions 矩阵的运算 常用矩阵运函数 矩阵的点乘 矩阵的逆 矩阵的其他操作 nump ...

  10. 开发技术--Numpy模块

    开发|Numpy模块 Numpy模块是数据分析基础包,所以还是很重要的,耐心去体会Numpy这个工具可以做什么,我将从源码与 地产呢个实现方式说起,祝大家阅读愉快! Numpy模块提供了两个重要对象: ...

随机推荐

  1. nginx 日子配置

    nginx access_log nginx 日志说明 不同用户防卫Nginx会把每个用户访问往咱的日志信息记录到指定的日志文件里,供网站管理员分析用户浏览行为等,此功能又ngx_http_log_m ...

  2. MyBatis:CRUD功能

    在前面已经自动生成了mapper和pojo,接下来我们实现mybatis的CRUD功能,先新建service.controller层的方法. 这里的sid是一个开源的id生成类,写完后,我们还需要在启 ...

  3. JavaWeb学习日记----XML的解析

    XML的解析简介: 在学习JavaScript时,我们用的DOM来解析HEML文档,根据HTML的层级结构在内存中分配一个树形结构,把HTML的标签啊,属性啊和文本之类的都封装成对象. 比如:docu ...

  4. 重装MacOS

    从U盘启动 开启或重新启动您的 Mac 后,立即按住 Option 键。 当您看到“启动管理器”窗口时,松开 Option 键。 选择您的启动磁盘,然后点按箭头或按下 Return 键。 Mac 的启 ...

  5. 我从Angular 2转向Vue.js, 也没有选择React

    译者按: 通过使用Angular的经历,作者已经完全转为Vue粉了!我们Fundebug目前还是用AngularJS 1,坦白说,学习曲线蛮陡的. 原文: Why we moved from Angu ...

  6. Offer选择与总结

    今天是2015.11.23,我估计这也是继高考.保研这些决定与选择之后,又一个比较重大的人生选择.最终选择了去微信支付,按钱来说比最高的offer少五万,其实挺心疼的.但是从发展和部门核心程度来讲,应 ...

  7. canvas-7globleCompositeOperation.html

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  8. blfs(systemd版本)学习笔记-为桌面环境构建xorg服务

    我的邮箱地址:zytrenren@163.com欢迎大家交流学习纠错! lfs准备使用桌面环境,首先需要构建xorg服务 xorg服务项目地址:http://www.linuxfromscratch. ...

  9. SAP MM 物料主数据采购视图中的字段'Var. OUn'的作用?

    SAP MM 物料主数据采购视图中的字段'Var. OUn'的作用? 物料主数据采购视图里有一个字段,叫做'Var. OUn'的, 如下图: 这个字段,笔者之前所参与的项目里,从来没有用过.所以,笔者 ...

  10. Spring学习之旅(五)极速创建Spring AOP java工程项目

    编译工具:eclipse. 简单说一下,Spring  AOP是干嘛的? 假设你创建了一群类:类A,类B,类C,类D.... 现在你想为每个类都增加一个新功能,那么该怎么办呢?是不是想到了为每个类增加 ...